論文の概要: RefSR-Adv: Adversarial Attack on Reference-based Image Super-Resolution Models

• arxiv url: http://arxiv.org/abs/2601.01202v1
• Date: Sat, 03 Jan 2026 14:59:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.078552
• Title: RefSR-Adv: Adversarial Attack on Reference-based Image Super-Resolution Models
• Title（参考訳）: RefSR-Adv:参照型画像超解法モデルにおける逆攻撃
• Authors: Jiazhu Dai, Huihui Jiang,
• Abstract要約: RefSR-Advは、参照画像のみを摂動することでSR出力を劣化させる敵攻撃である。 実験では、低解像度入力と参照画像の類似性と攻撃効果との間に正の相関が認められた。 この研究は、RefSRシステムのセキュリティ脆弱性を明らかにし、研究者にRefSRの堅牢性への注意を促すことを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single Image Super-Resolution (SISR) aims to recover high-resolution images from low-resolution inputs. Unlike SISR, Reference-based Super-Resolution (RefSR) leverages an additional high-resolution reference image to facilitate the recovery of high-frequency textures. However, existing research mainly focuses on backdoor attacks targeting RefSR, while the vulnerability of the adversarial attacks targeting RefSR has not been fully explored. To fill this research gap, we propose RefSR-Adv, an adversarial attack that degrades SR outputs by perturbing only the reference image. By maximizing the difference between adversarial and clean outputs, RefSR-Adv induces significant performance degradation and generates severe artifacts across CNN, Transformer, and Mamba architectures on the CUFED5, WR-SR, and DRefSR datasets. Importantly, experiments confirm a positive correlation between the similarity of the low-resolution input and the reference image and attack effectiveness, revealing that the model's over-reliance on reference features is a key security flaw. This study reveals a security vulnerability in RefSR systems, aiming to urge researchers to pay attention to the robustness of RefSR.
• Abstract（参考訳）: Single Image Super-Resolution (SISR)は、低解像度入力から高解像度画像を復元することを目的としている。 SISRとは異なり、RefSR(Reference-based Super-Resolution)は、高周波テクスチャの回復を容易にするために、さらに高解像度の参照画像を利用する。 しかし、既存の研究は主にRefSRを標的とするバックドア攻撃に焦点を当てているが、RefSRを標的とする敵攻撃の脆弱性は十分に調査されていない。 この研究ギャップを埋めるために、参照画像のみを摂動することでSR出力を劣化させる敵攻撃であるRefSR-Advを提案する。 RefSR-Advは、対向出力とクリーン出力の差を最大化することにより、CNN、Transformer、Mambaの各アーキテクチャでCUFED5、WR-SR、DRefSRデータセット上で重大な成果物を生成する。 重要なことは、低解像度入力と参照画像の類似性と攻撃効果との正の相関性を確認し、モデルが参照特徴に過度に依存していることが重要なセキュリティ欠陥であることを示している。 この研究は、RefSRシステムのセキュリティ脆弱性を明らかにし、研究者にRefSRの堅牢性への注意を促すことを目的としている。

関連論文リスト

• RASR: Retrieval-Augmented Super Resolution for Practical Reference-based Image Restoration [41.50858324338511]
  RefSRは、高品質な参照画像を活用して、テクスチャの忠実さと視覚リアリズムを高めることで、Single Image Super Resolution (SISR)を改善している。 既存のRefSRアプローチは、手動でキュレートされたターゲット参照イメージペアに依存している。 Retrieval-Augmented Super Resolution (RASR) は参照データベースから意味論的に関連する高解像度画像を自動的に抽出する新しい実用的なRefSRパラダイムである。
  論文  参考訳（メタデータ） (2025-08-13T03:05:20Z)
• Controllable Reference Guided Diffusion with Local Global Fusion for Real World Remote Sensing Image Super Resolution [9.658727475375565]
  超解像技術は、リモートセンシング画像の空間分解能を高め、より効率的な大規模な地球観測アプリケーションを可能にする。 既存のRefSR手法は、クロスセンサーの解像度ギャップや重要な土地被覆の変化など、現実世界の複雑さに苦しむ。 実世界リモートセンシング画像SRのための新しい制御可能な参照誘導拡散モデルであるCRefDiffを提案する。
  論文  参考訳（メタデータ） (2025-06-30T12:45:28Z)
• BadRefSR: Backdoor Attacks Against Reference-based Image Super Resolution [14.605562676764636]
  RefSRは、高周波の詳細を回復するために追加の参照画像を利用する。 BadRefSRは参照イメージにトリガを追加し、混合損失関数でトレーニングすることで、RefSRモデルにバックドアを埋め込む。 我々の研究は、研究者にRefSRのバックドアリスクを警告することを目的としています。
  論文  参考訳（メタデータ） (2025-02-28T10:53:39Z)
• Bridging the Domain Gap: A Simple Domain Matching Method for Reference-based Image Super-Resolution in Remote Sensing [8.36527949191506]
  近年、参照ベース画像超解像(RefSR)は、画像超解像(SR)タスクにおいて優れた性能を示している。 既存のRefSRモデルとシームレスに統合可能なドメインマッチング(DM)モジュールを導入する。 我々の分析では、これらの領域のギャップは異なる衛星でしばしば生じており、我々のモデルはこれらの課題に効果的に対処している。
  論文  参考訳（メタデータ） (2024-01-29T08:10:00Z)
• RBSR: Efficient and Flexible Recurrent Network for Burst Super-Resolution [57.98314517861539]
  バースト超解像(BurstSR)は、高解像度(HR)画像を低解像度(LR)画像と雑音画像から再構成することを目的としている。 本稿では,効率よくフレキシブルなリカレントネットワークでフレーム単位のキューを融合させることを提案する。
  論文  参考訳（メタデータ） (2023-06-30T12:14:13Z)
• RRSR:Reciprocal Reference-based Image Super-Resolution with Progressive Feature Alignment and Selection [66.08293086254851]
  本稿では,RefSRネットワークの学習を強化するための相互学習フレームワークを提案する。 新たに提案したモジュールは,マルチスケールの特徴空間に参照入力画像をアライメントし,参照認識機能の選択を行う。 我々は,最近のRefSRモデルが相互学習パラダイムによって一貫した改善が可能であることを実証的に示す。
  論文  参考訳（メタデータ） (2022-11-08T12:39:35Z)
• Reference-based Image Super-Resolution with Deformable Attention Transformer [62.71769634254654]
  RefSRは、補助参照(Ref)画像を超解像低解像度(LR)画像に活用することを目的としている。 本稿では,複数のスケールを持つ変形可能なアテンション変換器,すなわちDATSRを提案する。 DATSRがベンチマークデータセット上で最先端のパフォーマンスを達成することを示す実験を行った。
  論文  参考訳（メタデータ） (2022-07-25T07:07:00Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• MASA-SR: Matching Acceleration and Spatial Adaptation for Reference-Based Image Super-Resolution [74.24676600271253]
  本稿では、RefSRのためのMASAネットワークを提案し、これらの問題に対処するために2つの新しいモジュールを設計する。 提案したMatch & extract Moduleは、粗大な対応マッチング方式により計算コストを大幅に削減する。 空間適応モジュールは、LR画像とRef画像の分布の差を学習し、Ref特徴の分布を空間適応的にLR特徴の分布に再マップする。
  論文  参考訳（メタデータ） (2021-06-04T07:15:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。